【技术实现步骤摘要】
本专利技术涉及电力系统消防，尤其涉及集成多源数据的电力系统火灾智慧预警方法及系统。
技术介绍
1、电力系统设备的安全性是电网安全平稳运行的前提和基础，随着人工智能、云计算、传感器等技术的迅速发展，智慧消防系统已逐步实现传统管理平台的智能化升级。当前的电力系统智慧消防平台实现了感知设备采集电力设备的温度、湿度等相关数据，但仅能够对数据进行实时监控与分析，且温、湿度或烟雾传感器等存在一定的延迟性，但多种传感器获取的数据尚未较好的实现信息融合，提前根据各种信息预判火灾发生的能力仍然欠缺。同时，南北地域差异，季节差异都会导致火灾发生的概率不同，如何利用环境信息合理配置消防资源也是当前也并未充分考虑。
2、因此，本专利技术提出了一种集成多源数据的电力系统火灾智慧预警方法及系统，来解决上述问题。
技术实现思路
1、本专利技术针对现有技术的不足，研制一种集成多源数据的电力系统火灾智慧预警方法及系统，来提高电力系统火灾智慧预警方法的消防预警能力。
2、本专利技术解决技术问题的技术方案为：
3、一种集成多源数据的电力系统火灾智慧预警方法，包括以下步骤：
4、s1.数据采集：采集电力系统火灾预警所需的多源数据，多源数据包括各区域采集的监控图像p、内部传感器信息和外部传感器信息；
5、s2.数据预处理：对内部传感器信息与外部传感器信息进行归一化处理，处理后的数据构成传感器数据集d，，同一时刻的监控图像p与传感器数据集d组成一条样本，，表示t时刻
6、s3.构建数据集：按时间顺序对样本进行排列形成时间序列，，表示n时刻的样本，然后将时间序列dfire作为cnn网络输入；
7、s4.基于cnn网络进行多源数据融合：对时间序列dfire中的监控图像数据p进行特征提取后得到的图像特征；将传感器数据集d中的数据，以类别为横坐标，以数值大小作为纵坐标，形成传感器数据图，进行特征提取后得到的传感器数据特征；通过直接拼接将图像特征与传感器数据特征进行组合，得到融合后的特征向量；
8、s5. 构建量子神经网络qnn：设计一个量子神经网络qnn，包括4个编码线路encoder，4个训练路线和4个测量构成，将s4中的特征向量作为构建的qnn网络的输入，将是否发生火灾的概率作为网络的输出结果；
9、s6. 训练qnn网络并根据训练结果进行评估：设计损失函数，设定阈值，多次进行损失函数的计算对qnn网络进行训练，当损失函数的值小于设定的阈值时，完成对网络结构的训练，得到最终的火灾发发生概率的预判结果。
10、具体实施方式中，s1具体如下：
11、内部传感器信息包括温度信息t、湿度信息h、烟雾传感器信息s和可燃气体传感器信息f，外部传感器信息包括气象信息m和地理数据信息g，监控图像数据p通过将监控视频逐帧提取获得。
12、具体实施方式中，s2具体如下：
13、将内部传感器信息和外部传感器信息中每一类数据进行归一化处理，
14、，
15、，
16、，
17、，
18、，
19、，
20、其中，表示归一化处理后的温度信息，表示归一化处理后的湿度信息，表示归一化处理后的烟雾传感器信息，表示归一化处理后的可燃气体传感器信息，表示归一化处理后的气象信息m，地理数据信息g，表示最小值操作，表示最大值操作。
21、具体实施方式中，s4具体如下：
22、基于cnn量子神经网络的多源数据融合过程为：
23、将总数数据集中的监控图像p输入至cnn网络中得到图像特征，cnn网络结构为conv2d+bn+relu三个模块，计算公式为：
24、，
25、其中表示取最大值操作，和表示bn层中的两个超参数，w和b表示卷积层中的权重和偏置两个超参数，表示一个批次中的所有图像样本的均值，nb表示批次中图像样本的个数，表示用来防止分母为零的常数，表示样本中的图像样本；
26、同时将内部传感器信息与外部传感器信息合成的传感器数据集d中的数据，以类别为横坐标，以数值大小作为纵坐标，形成传感器数据图，将数据图输入至cnn网络中进行特征提取，得到传感器数据特征，cnn网络结构为conv2d+bn+relu三个模块，计算公式为：
27、，
28、其中表示一个批次中的所有数据图样本的均值，表示样本中的数据图样本；
29、最后，通过直接拼接将图像特征与传感器数据特征进行组合，即得到融合后的特征向量，特征向量的维度为n*4。
30、具体实施方式中，s5具体如下：
31、构建量子神经网络qnn，量子神经网络由4个编码线路encoder，4个训练路线和4个测量构成，将基于cnn的多模态数据融合过程中提取到的特征向量作为输入，输入至量子神经网络中，编码线路将输入的特征向量编码为量子数据，然后将量子数据输入至训练路线进行计算，最后经过测量得到最终计算结果output，将最终价算结果输入至一个三层全连接网络，得到最终的火灾发发生概率的预判结果，量子网络的计算过程为：
32、首先构建输入量子态：，其中，表示量子态构建函数；
33、然后定义量子旋转门为，i=1,2,3，
34、其中，表示第i个量子旋转门的量子旋转相位，i表示第i个量子旋转门；量子网络的计算通过量子态与量子旋转门计算获得:
35、，，
36、其中 和分别表示权重和偏置，表示激活函数。
37、具体实施方式中，s6具体如下：
38、以标签与输出结果的误差，以及量子网络和全连接层的参数，设计损失函数，损失函数loss为：
39、，
40、其中，表示数据集中样本的标签。
41、本申请还提供了一种集成多源数据的电力系统火灾智慧预警系统，执行集成多源数据的电力系统火灾智慧预警方法，包括以下模块：
42、数据采集模块：采集电力系统火灾预警所需的多源数据，多源数据包括各区域采集的监控图像、内部传感器信息和外部传感器信息；
43、数据预处理模块：对内部传感器信息与外部传感器信息进行归一化处理，处理后的数据构成传感器数据集，将同一时刻的监控图像与传感器数据集组成一条样本；
44、数据集构建模块：按时间顺序对样本进行排列形成时间序列，并将时间序列作为cnn网络的输入；
45、多源数据融合模块：对时间序列中的监控图像数据进行特征提取后得到的图像特征，对传感器数据集中的数据进行特征提取后得到的传感器数据特征，将图像特征与传感器数据特征进行组合，得到融合后的特征向量；
46、量子神经网络qnn构建模块：设计量子神经网络qnn，特征向量作为qnn网络的输入，得到是否发生火灾概率的输出结果；
47、训练qnn网络并根据训练结果进行评估：设计损本文档来自技高网...
【技术保护点】
1.一种集成多源数据的电力系统火灾智慧预警方法，其特征是，包括以下步骤：
2.根据权利要求1所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，S1具体如下：
3.根据权利要求2所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，S2具体如下：
4.根据权利要求3所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，S4具体如下：
5.根据权利要求4所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，S5具体如下：
6.根据权利要求5所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，S6具体如下：
7.一种集成多源数据的电力系统火灾智慧预警系统，执行权利要求1-6中任一项所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，包括以下模块：
【技术特征摘要】
1.一种集成多源数据的电力系统火灾智慧预警方法，其特征是，包括以下步骤：
2.根据权利要求1所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，s1具体如下：
3.根据权利要求2所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，s2具体如下：
4.根据权利要求3所述的集成多源数据的电力系统火灾智慧预警方法，其特征是，s4具...
【专利技术属性】
技术研发人员：吴佳慧，刘忠祖，吴德恩，王爱民，王文强，刘功朋，
申请(专利权)人：山东金桥保安器材有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。